I can’t find the information in the knowledge base pinecone
I’m developing a RAG system with Python, Django, and Vapi for a voice client, but when I ask a question, it tells me it can’t find any results. My scores range from 0.2687 to 1.0004. An important point is that the transcription I’m creating sometimes isn’t very good. I’m sending you the code for my search function to see if you can help me.
def search_context(query, top_k=5):
import unicodedata
import re
def limpiar_texto_ligero(texto: str) -> str:
# Solo para extraer keywords/fallback; NO para el embedding principal
t = texto.lower()
t = re.sub(r'\s+', ' ', t).strip()
return t
try:
# 1) Embedir la consulta ORIGINAL (mejor señal semántica)
print(f"[DEBUG search_context] Query original (sin normalizar): '{query}'")
emb = openai_client.embeddings.create(
input=[query], # <- sin normalizar
model="text-embedding-3-small"
).data[0].embedding
resultados_finales = []
vistos = set()
# Búsqueda A: consulta original
print(f"[DEBUG search_context] Búsqueda A: consulta original")
rA = index.query(vector=emb, top_k=top_k*2, include_metadata=True, include_values=False)
for m in (rA.matches or []):
if m.id not in vistos:
resultados_finales.append(m); vistos.add(m.id)
print(f"[DEBUG search_context] Búsqueda A encontró: {len(rA.matches or [])}")
# Búsqueda B: palabras clave (limpieza ligera)
if len(resultados_finales) < 2:
print(f"[DEBUG search_context] Búsqueda B: palabras clave")
qlite = limpiar_texto_ligero(query)
keywords = [w for w in qlite.split() if len(w) > 3][:3]
if keywords:
emb_kw = openai_client.embeddings.create(
input=[' '.join(keywords)],
model="text-embedding-3-small"
).data[0].embedding
rB = index.query(vector=emb_kw, top_k=top_k*2, include_metadata=True, include_values=False)
for m in (rB.matches or []):
if m.id not in vistos:
resultados_finales.append(m); vistos.add(m.id)
print(f"[DEBUG search_context] Búsqueda B agregó: {len(rB.matches or [])}")
# Búsqueda C: respaldo genérico
if len(resultados_finales) < 1:
print(f"[DEBUG search_context] Búsqueda C: términos genéricos")
genericos = "plan beneficio cobertura deducible renovacion seguro"
emb_gen = openai_client.embeddings.create(
input=[genericos],
model="text-embedding-3-small"
).data[0].embedding
rC = index.query(vector=emb_gen, top_k=top_k, include_metadata=True, include_values=False)
for m in (rC.matches or []):
if m.id not in vistos:
resultados_finales.append(m); vistos.add(m.id)
print(f"[DEBUG search_context] Búsqueda C agregó: {len(rC.matches or [])}")
print(f"[DEBUG search_context] Total de matches únicos (sin ordenar): {len(resultados_finales)}")
if not resultados_finales:
print(f"[DEBUG search_context] No se encontraron matches en ninguna búsqueda")
return []
# 🔑 Ordenar por score DESC antes de recortar a top_k
resultados_finales.sort(key=lambda m: getattr(m, "score", 0.0), reverse=True)
top = resultados_finales[:max(top_k, 5)] # ser un poco más generosos
# Construir lista final
resultados_ordenados = []
for m in top:
if m.metadata:
text = (m.metadata.get('text')
or m.metadata.get('texto')
or m.metadata.get('content'))
if text and len(text.strip()) > 10:
resultados_ordenados.append({
"texto": text,
"score": float(getattr(m, "score", 0.0)),
"source": m.metadata.get("source", "")
})
print("[DEBUG search_context] Top matches (score, preview):")
for r in resultados_ordenados:
preview = (r.get("texto", "")[:120]).replace("\n", " ").replace("\r", " ")
print(f" - {r.get('score', 0):.3f} :: {preview}")
return resultados_ordenados
except Exception as e:
print(f"[ERROR search_context] Error en búsqueda: {str(e)}")
import traceback; traceback.print_exc()
return []
def chatgpt_with_context(user_query, system_prompt=None):
resultados = search_context(user_query)
if not es_respuesta_relevante(resultados, umbral_score=0.2):
print("[WARNING] Contexto vacío o irrelevante devuelto por Pinecone. Verifique la indexación y la consulta.")
return ("Te ayudo con gusto. Para darte el dato exacto según tu plan, "
"necesito un momento para revisar tu póliza. ¿Prefieres confirmación por SMS "
"o seguimos en la línea?")
# Construir contexto solo con los textos relevantes
contexto = "\n---\n".join([r['texto'] for r in resultados if r.get('score', 0) >= 0.25])
prompt = f"Contexto relevante:\n{contexto}\n\nPregunta del usuario: {user_query}\nRespuesta:"
if system_prompt is None:
system_prompt = ("Eres una asistente telefónica de seguros. Responde SOLO con lo que esté en CONTEXTO. "
"Si falta un dato, pide lo mínimo. Sé breve, cálida y profesional.")
try:
completion = openai_client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "system", "content": system_prompt},
{"role": "user", "content": prompt}]
)
response = completion.choices[0].message.content
print(f"[DEBUG chatgpt_with_context] Respuesta generada: {response[:100]}...")
return f"{response}\n\n¿Necesita algo más?"
except Exception as e:
print(f"[ERROR chatgpt_with_context] Error al generar respuesta con OpenAI: {str(e)}")
import traceback
traceback.print_exc()
return "Lo siento, hubo un problema técnico al procesar su solicitud. ¿Necesita algo más?"